스마트 공장 제품 품질 상태 분류 AI 오프라인 해커톤

1. 리더 보드

• 평가 산식 : Macro F1 Score
• Public score : 전체 테스트 데이터의 30%
• Private score : 전체 테스트 데이터의 100%

2. 평가 방식

• 1차 평가 : 리더보드 Private Score 100%
• Private Score는 대회 종료 후 일괄 채점하여 공개
• 동점자의 경우, 기존 리더보드 순위 산정 방식을 따름 [링크]의 '리더보드 점수' 부분을 참고
• 2차 평가 : Private 상위 5팀(+예비 5팀)은 코드 및 PPT 제출 후 오프라인 발표 평가
• 2차 평가 기준

3. 개인 또는 팀 참여 규칙

• 오프라인 해커톤(Phase3) 기간 동안에는 추가 팀 결성 및 변경 불가능

4. 외부 데이터 및 사전 학습 모델

• 외부 데이터 사용 금지 (본 오프라인 해커톤 제공 학습 데이터만 활용 가능)
• 사용에 법적 제약이 없으며 논문으로 공개된 베이스의 사전 학습 모델(Pre-trained Model) 사용 가능
• 참가자 본인이 외부 데이터로 사전 학습 모델을 추가 학습시켜 사용하는 것은 불가능
• 사전 학습 모델의 출처와 논문 링크 필수 기재
• 확인이 어려운 경우 데이콘 관계자에게 문의

5. 코드 및 PPT 제출 규칙

• 오프라인 해커톤(Phase3) 종료 후 Private 상위 5팀(+예비 5팀)은 아래의 양식에 맞추어 코드를 dacon@dacon.io로 기한 내에 제출

o   코드에 ‘/data’ 데이터 입/출력 경로 포함

o   코드 파일 확장자: .R, .rmd, .py, .ipynb

o   코드와 주석 인코딩: UTF-8

o   모든 코드는 오류 없이 실행되어야 함(라이브러리 로딩 코드 포함)

o   전체 프로세스를 가독성 있게 정리하고 주석을 포함하여 하나의 파일로 제출

o   개발 환경(OS) 및 라이브러리 버전 기재

o 추론에 사용된 모델 파일 (pth 등) 다운로드 링크 혹은 메일 첨부

o 사용한 사전 학습 모델의 논문 링크, 출처를 기재

o 오프라인 발표 평가에 활용할 PPT 파일 (필수)

6. 유의 사항

• 1일 최대 제출 횟수: 100회
• 사용 가능 언어: Python, R
• 전처리 과정과 모델 학습에서 평가 데이터셋 정보 활용(Data Leakage) 시 수상 불가능
• Data Leakage 관련 규정 안내 [링크] 참조
• 모든 학습, 추론의 과정 그리고 추론의 결과물들은 정상적인 코드를 바탕으로 이루어져야 하며, 비정상적인 방법으로 얻은 제출물들은 적발 시 규칙 위반에 해당됩니다.
• 최종 순위는 선택된 파일 중에서 채점되므로 참가자는 제출 창에서 자신이 최종적으로 채점 받고 싶은 파일을 1개를 선택해야 함
• 대회 직후 공개되는 Private 랭킹은 최종 순위가 아니며 코드 검증 후 최종 수상자가 결정됨
• 데이콘은 부정 제출 행위를 금지하고 있으며 데이콘 대회 부정 제출 이력이 있는 경우 평가가 제한됩니다. 자세한 사항은 아래의 링크를 참고해 주시기 바랍니다.

https://dacon.io/notice/notice/13

7. 토론(질문)

• 대회 운영 및 데이터 이상에 관련된 질문 외에는 답변을 드리지 않고 있습니다. 기타 질문은 토론 페이지를 통해 자유롭게 토론해 주시기 바랍니다.
• 데이콘 답변을 희망하는 경우 토크 게시글 댓글로 질문을 올려 주시기 바랍니다.

예) [DACON 답변 요청] 시상식은 언제 열리나요?